Prediksi Produksi Gula Tebu Berdasarkan Kualitas Menggunakan Metode Neural Network

Main Article Content

Muhammad Ali Ridla
Elvi Nazulia Rahma

Abstract

Gula adalah bahan baku penting dalam kehidupan sehari-hari, baik untuk konsumsi publik maupun dalam industri makanan dan minuman. Di Indonesia, konsumsi gula mengalami fluktuasi yang signifikan, terutama menjelang hari-hari besar, dengan total kebutuhan mencapai 3,9 juta ton pada tahun 2021. Permasalahan dalam produksi gula seperti berkurangnya area lahan tebu, inefisiensi dalam pengelolaan dan ketidakstabilan hasil produksi, sehingga memerlukan perencanaan yang efisien. Penelitian ini menggunakan metode neural network untuk memprediksi produksi gula tebu dengan menggunakan data historis dari Januari 2014 hingga Desember 2018, yang mencakup faktor-faktor penting seperti curah hujan, suhu udara, kelembapan udara, dan waktu tanam. Neural network dipilih karena kemampuannya dalam mengenali pola data untuk memberikan prediksi yang tepat. Dengan memanfaatkan perangkat lunak Zaitun Time Series, penelitian ini mengevaluasi berbagai konfigurasi jaringan saraf tiruan untuk menunjukkan model yang paling efektif. Hasil penelitian menunjukkan bahwa konfigurasi dengan 4 input layer dan 3 hidden layer menghasilkan error terkecil dengan nilai data ERROR 0,23886 MAE 0,03608 MSE 0,01761 RMSE 0,132702675.

Article Details

How to Cite
Prediksi Produksi Gula Tebu Berdasarkan Kualitas Menggunakan Metode Neural Network. (2024). Jurnal Janitra Informatika Dan Sistem Informasi, 4(1), 54-61. https://doi.org/10.59395/janitra.v4i1.183
Section
Articles

How to Cite

Prediksi Produksi Gula Tebu Berdasarkan Kualitas Menggunakan Metode Neural Network. (2024). Jurnal Janitra Informatika Dan Sistem Informasi, 4(1), 54-61. https://doi.org/10.59395/janitra.v4i1.183

References

Achadin, M. A. D. N. (2017). Analisis Faktor Yang Mempengaruhi Produksi Tebu Pada Sub Sektor Perkebunan Di Provinsi Jawa Timur Tahun 2011-2015. Jurnal Ekonomi Pembangunan, 15(2), 193. https://doi.org/10.22219/jep.v15i2.8432

Apriawan, D. C., & Mulyo, J. H. (2015). Analysis of Sugarcane and Sugar Production in PT. Perkebunan Nusantara VII (PERSERO). Agro Ekonomi, 26(2), 159–167.

Badan Pusat Statistik Indonesia. (2021). Distribusi Perdagangan Komoditas Gula Pasir Indonesia 2021. Badan Pusat Statistik Indonesia. https://www.bps.go.id/id/publication/2021/10/29/dd4ff6a48b14ca26d492ed73/distribusi-perdagangan-komoditas-gula-pasir-indonesia-2021.html

Evizal, R. (2018). Pengelolaan Perkebunan Tebu. Graha Ilmu.

Gunaryati, A., & Suhendra, A. (2015). Perbandingan Antara Metode Statistika dan Metode Neural Network pada Model Peramalan Indeks Harga Perdagangan Besar. Jurnal Teknologi Dan Rekayasa, 20(1), 23–35.

Heryanto, M. A., & Suryatmana, E. R. (2020). Dinamika Agroindustri Gula Indonesia: Tinjauan Analisis Sistem. Agricore: Jurnal Agribisnis Dan Sosial Ekonomi Pertanian Unpad, 5(2), 194–210. https://doi.org/10.24198/agricore.v5i2.32100

Jaelani, T. (2022). Machine Learning untuk Prediksi Produksi Gula Nasional. JMPM (Jurnal Material Dan Proses Manufaktur), 6(1), 31–36. https://doi.org/10.18196/jmpm.v6i1.14897

Kuspratiwi, B. S. (2014). Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Kualitas Hasil Produksi Gula Di Pt . Pg Rajawali I Surabaya Final Project – Ks 141501 Implementation of Artificial Neural Network To Predicting Quality of Sugar in Pt . Pg Rajawali I Surabaya.

learn.microsoft.com. (2023). Komponen Data Normalisasi. Learn.Microsoft.Com. https://learn.microsoft.com/id-id/azure/machine-learning/component-reference/normalize-data?view=azureml-api-2

Nugroho, K. (2016). Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series. Infokam, 12(1), 46–50.

Rachman, A. S., Cholissodin, I., & Fauzi, M. A. (2018). Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Pada PG Candi Baru Sidoarjo. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(4), 1683–1689.

Sugianto, N., & Samopa, F. (2015). Analisa Manfaat dan Penerimaan Terhadap Implementasi Bahasa Isyarat Indonesia Pada Latar Belakang Komplek Menggunakan Kinect dan Jaringan Syaraf Tiruan (Studi Kasus SLB Karya Mulia 1). JUISI : Jurnal Informatika Dan Sistem Informasi, 1(1), 10–27.

Sulaiman, A. A., Sulaeman, Y., Mustikasari, N., Nursyamsi, D., & Syakir, A. M. (2019). Increasing sugar production in Indonesia through land suitability analysis and sugar mill restructuring. Land, 8(4), 1–17. https://doi.org/10.3390/land8040061

Swedia, E. R., Fitriani, R. R., Margi Cahyanti, E., & Septian, M. R. D. (2022). Feed Forward Neural Network untuk Prediksi Data. Nas Media Pustaka. https://books.google.co.id/books?id=NY2KEAAAQBAJ&newbks=1&newbks_redir=0&dq=neural+network+adalah&hl=id&source=gbs_navlinks_s

Tim Pengembang Aplikasi Zaitun Time Series. (2019). Zaitun Time Series Petunjuk Penggunaan. In www.zaitunsoftware.com. www.zaitunsoftware.com.

Yunita. (2015). Prediksi Cuaca Menggunakan Metode Neural Network. Jurnal PARADIGMA, 17(2).

Similar Articles

You may also start an advanced similarity search for this article.